[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-mohamed-chs--convoviz":3,"tool-mohamed-chs--convoviz":64},[4,17,27,35,44,52],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",149489,2,"2026-04-10T11:32:46",[13,14,15],"开发框架","Agent","语言模型","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":10,"last_commit_at":23,"category_tags":24,"status":16},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[25,14,26,13],"插件","图像",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":10,"last_commit_at":33,"category_tags":34,"status":16},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[25,13],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":41,"last_commit_at":42,"category_tags":43,"status":16},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,3,"2026-04-06T11:19:32",[15,26,14,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,15],{"id":53,"name":54,"github_repo":55,"description_zh":56,"stars":57,"difficulty_score":10,"last_commit_at":58,"category_tags":59,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",85092,"2026-04-10T11:13:16",[26,60,61,25,14,62,15,13,63],"数据工具","视频","其他","音频",{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":79,"owner_email":80,"owner_twitter":79,"owner_website":79,"owner_url":81,"languages":82,"stars":98,"forks":99,"last_commit_at":100,"license":101,"difficulty_score":102,"env_os":103,"env_gpu":104,"env_ram":104,"env_deps":105,"category_tags":110,"github_topics":111,"view_count":10,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":122,"updated_at":123,"faqs":124,"releases":153},6269,"mohamed-chs\u002Fconvoviz","convoviz","Convert your ChatGPT export (ZIP) into clean Markdown text files with inline media, and generate data visualizations like word clouds and usage graphs.","Convoviz 是一款专为 ChatGPT 用户设计的开源工具，旨在将官方导出的聊天记录压缩包（ZIP）转化为整洁、易读的 Markdown 文本文件。它有效解决了原生导出格式杂乱、图片无法直接查看以及难以进行本地归档和检索的痛点，让用户能轻松将对话历史迁移至 Obsidian 等笔记软件中永久保存。\n\n除了基础的文本转换，Convoviz 还具备强大的多媒体与数据处理能力：它能将对话中的图片以行内形式完美渲染，准确保留网页搜索引用来源，甚至能单独提取 OpenAI \"Canvas\" 功能生成的代码或文档文件。更独特的是，它内置了数据可视化功能，可自动生成词云和使用频率图表，帮助用户直观分析自己的对话习惯与关注焦点。\n\n这款工具非常适合需要长期管理知识库的研究人员、依赖本地笔记系统的知识工作者，以及希望备份和分析个人 AI 交互数据的普通用户。无论你是否具备编程背景，Convoviz 都提供了便捷的自动化安装脚本和智能合并机制，让数据整理过程变得简单高效，是构建个人 AI 记忆库的理想助手。","\u003Cp align=\"center\">\n  \u003Ch1 align=\"center\">Convoviz\u003C\u002Fh1>\n  \u003Cp align=\"center\">\u003Ccode>uv tool install \"convoviz[viz]\"\u003C\u002Fcode>\u003C\u002Fp>\n  \u003Cp align=\"center\">\n    Convert your ChatGPT history into clean, readable Markdown (text files).\n  \u003C\u002Fp>\n  \u003Cp align=\"center\">\u003Cstrong>\n    Perfect for archiving, local search, or use with note-taking apps like Obsidian.\n  \u003C\u002Fstrong>\u003C\u002Fp>\n  \u003Cp align=\"center\">\n    Visualize your data with word clouds and usage graphs.\n  \u003C\u002Fp>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fpypi.org\u002Fproject\u002Fconvoviz\u002F\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fconvoviz?style=for-the-badge&logo=python&logoColor=white\" alt=\"PyPI Version\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fblob\u002Fmain\u002FLICENSE\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fl\u002Fconvoviz?style=for-the-badge\" alt=\"License\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fpepy.tech\u002Fprojects\u002Fconvoviz\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fpepy\u002Fdt\u002Fconvoviz?style=for-the-badge&color=blue\" alt=\"Downloads\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Factions\u002Fworkflows\u002Fci.yml\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Factions\u002Fworkflow\u002Fstatus\u002Fmohamed-chs\u002Fconvoviz\u002Fci.yml?style=for-the-badge&logo=github&label=CI\" alt=\"CI Status\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n---\n\n## Features\n\n|  |  |\n|---------|-------------|\n| **Markdown Export** | Clean, well-formatted Markdown with optional YAML headers |\n| **Inline Images** | Media attachments rendered directly in your Markdown files |\n| **Citations** | Web search results and source links accurately preserved |\n| **Word Clouds** | Visual breakdowns of your most-used words and phrases |\n| **Usage Graphs** | Bar plots and charts showing your conversation patterns |\n| **Canvas Support** | OpenAI \"Canvas\" documents extracted as standalone files (`.py`, `.html`, etc.) |\n| **Custom Instructions** | User\u002FModel system messages exported to `custom_instructions.json` |\n\n> see word cloud examples in the [`demo\u002F`](https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Ftree\u002Fmain\u002Fdemo) folder!\n\n---\n\n## How to Use\n\n### Step 1: Export Your ChatGPT Data\n\n1. Sign in at [chatgpt.com](https:\u002F\u002Fchatgpt.com)\n2. Navigate to: **Profile Name** (bottom left) → **Settings** → **Data controls** → **Export**\n3. Click **Confirm export**\n4. Wait for the email from OpenAI, then download the `.zip` file\n\n\u003Cdetails>\n\u003Csummary>\u003Cstrong>Alternative: Use the Direct Export Script\u003C\u002Fstrong>\u003C\u002Fsummary>\n\nIf you want to grab recent conversations quickly or bypass the official export wait, use the direct export script.\n\n1.  Follow the instructions in [`js\u002FHOW_TO_USE.md`](https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fblob\u002Fmain\u002Fjs\u002FHOW_TO_USE.md) to download your recent data as a `.zip` file.\n2.  **Run Convoviz normally.**\n3.  **Smart Discovery:** If you have a `convoviz_export.zip` in your `Downloads`, Convoviz will ask to merge it.\n4.  **Additive & Smart:** You can combine multiple runs into the same folder. Convoviz uses identity-based overwriting to update existing chats without creating duplicates!\n\u003C\u002Fdetails>\n\n---\n\n### Step 2: Install Convoviz\n\n### Quick Install\n\nRun one of the commands below to install **everything** you need automatically.\n\n#### 🍎 macOS \u002F 🐧 Linux\n1. Open `Terminal`.\n   - **macOS**: Press `Cmd + Space`, type \"Terminal\", and hit Enter.\n   - **Linux**: Press `Ctrl + Alt + T`, or search \"Terminal\" in your app menu.\n2. Copy and paste this command:\n\n```bash\ncurl -fsSL https:\u002F\u002Fraw.githubusercontent.com\u002Fmohamed-chs\u002Fconvoviz\u002Fmain\u002Finstall.sh | bash\n```\n\n#### 🪟 Windows\n1. Open `PowerShell`.\n   - Press the `Windows` key, type \"PowerShell\", and hit Enter.\n2. Copy and paste this command:\n\n```powershell\nirm https:\u002F\u002Fraw.githubusercontent.com\u002Fmohamed-chs\u002Fconvoviz\u002Fmain\u002Finstall.ps1 | iex\n```\n\n\u003Cdetails>\n\u003Csummary>\u003Cstrong>Alternative: Install with pip\u003C\u002Fstrong>\u003C\u002Fsummary>\n\nIf you prefer using `pip` directly:\n\n```bash\n# Create a virtual environment (keeps your system Python clean)\npython3 -m venv .venv\n\n# Activate the virtual environment\nsource .venv\u002Fbin\u002Factivate  # On Windows: .venv\\Scripts\\activate\n\n# Install convoviz with visualization extras\npip install \"convoviz[viz]\"\n```\n\n\u003C\u002Fdetails>\n\n---\n\n### Step 3: Run Convoviz\n\nThe simplest way is to run this in your terminal and follow the interactive prompts:\n\n```bash\nconvoviz\n```\n\nOr, provide arguments directly to skip the prompts:\n\n```bash\nconvoviz --input path\u002Fto\u002Fyour\u002Fexport.zip --output path\u002Fto\u002Foutput\u002Ffolder\n```\n\n\u003Cdetails>\n\u003Csummary>\u003Cstrong>Command Line Options\u003C\u002Fstrong>\u003C\u002Fsummary>\n\n#### Selective Output\n\nBy default, all outputs (Markdown, graphs, word clouds) are generated. Use `--outputs` to pick specific ones:\n\n```bash\nconvoviz --input export.zip --outputs markdown --outputs graphs\n```\n\nAvailable options: `markdown`, `graphs`, `wordclouds`\n\n> In interactive mode, you'll be prompted to choose which outputs to generate.\n\n#### Other Useful Flags\n\n| Flag | Description |\n|------|-------------|\n| `--zip` \u002F `-z` | Alias for `--input` (for convenience) |\n| `--timestamp` \u002F `-t` | Prepend conversation timestamp to the filename (e.g., `2024-03-21_15-30-05 - Title.md`) |\n| `--no-interactive` | Force non-interactive mode |\n| `--flat` | Put all Markdown files in a single folder (instead of organizing by date) |\n| `--config PATH` | Use a specific TOML config file (otherwise the user config is used if present) |\n| `--verbose` \u002F `-v` | Enable detailed logging (use `-vv` for debug logs) |\n| `--log-file PATH` | Specify a custom log file location |\n| `--quiet` \u002F `-q` | Reduce console output (still logs to file) |\n\nFor a complete list of options:\n\n```bash\nconvoviz --help\n```\n\n\u003C\u002Fdetails>\n\n---\n\n\u003Cdetails>\n\u003Csummary>\u003Cstrong>⚙️ Configuration\u003C\u002Fstrong>\u003C\u002Fsummary>\n\nConvoviz supports a TOML config file. Defaults are bundled with the package and can be copied into your user config directory.\n\nGenerate a user config file:\n\n```bash\nconvoviz config init\n```\n\nDefault user config locations:\n1. Linux: `~\u002F.config\u002Fconvoviz\u002Fconfig.toml`\n2. macOS: `~\u002FLibrary\u002FApplication Support\u002Fconvoviz\u002Fconfig.toml`\n3. Windows: `%APPDATA%\\\\convoviz\\\\config.toml`\n\nUse a custom config path:\n\n```bash\nconvoviz --config path\u002Fto\u002Fconfig.toml\n```\n\nMarkdown flavor options in config:\n1. `standard` (default)\n2. `obsidian` (collapsible callouts for reasoning content)\n\nMarkdown render order (config):\n1. `active` (default, current branch)\n2. `full` (all DAG branches)\n\nMarkdown timestamps can be toggled with `conversation.markdown.show_timestamp`.\n\nWord clouds can be limited to your messages by setting `wordcloud.include_assistant_text = false`.\nWord cloud layouts are deterministic by default; set `wordcloud.random_state = \"\"` to disable.\n\nYAML frontmatter titles are sanitized; the original title is preserved in `aliases` when it changes.\n\n\u003C\u002Fdetails>\n\n---\n\n### Step 4: Check the Output\n\nAfter running the script, head to your output folder (defaults to `Documents\u002FChatGPT-Data` if you didn't change it) to see:\n- Neatly formatted Markdown files\n- Visualizations and graphs\n- Extracted Canvas documents (if any)\n- User \"Custom Instructions\" (`custom_instructions.json`)\n\nIf you've had a great experience, consider giving the project a ⭐ **star**! It keeps me motivated and helps others discover it!\n\n## Export to PDF\n\nTry [`convpdf`](https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvpdf) to convert markdown files to PDFs.\n\nExample:\n\n```bash\n# install with npm\nnpm -g install convpdf\n\n# go to output dir (defaults to ~\u002FDocuments\u002FChatGPT-Data\u002F)\ncd ~\u002FDocuments\u002FChatGPT-Data\n\n# run (add '-j 20' for faster conversion)\nconvpdf Markdown -o PDF\n```\n\n![wordcloud example](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmohamed-chs_convoviz_readme_2df85aed61de.png)\n\n---\n\n## 💌 Share Your Feedback!\n\nI hope you find this tool useful. I'm continuously looking to improve on this, but I need your help for that.\n\nWhether you're a tech wizard or you're new to all this, I'd love to hear about your journey with the tool. Found a quirk? Have a suggestion? Or just want to send some good vibes? I'm all ears!\n\n👉 **[Open an Issue](https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fissues)**\n\n---\n\n## Contributing\n\nInterested in contributing? Check out the **[Contributing Guide](https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fblob\u002Fmain\u002FCONTRIBUTING.md)** for development setup, code style, and how to submit a pull request.\n\n---\n\n## Notes\n\n\u003Cdetails>\n\u003Csummary>\u003Cstrong>Offline\u003C\u002Fstrong>\u003C\u002Fsummary>\n\nWord clouds use NLTK stopwords. If you're offline and NLTK data isn't installed yet, pre-download it:\n\n```bash\npython -c \"import nltk; nltk.download('stopwords')\"\n```\n\n**NOTE:** The install script already handles this, so you can immediately go offline after running it.\n\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cstrong>About This Project\u003C\u002Fstrong>\u003C\u002Fsummary>\n\nThis is just a small thing I coded to help me see my convos in beautiful markdown. It was originally built with [Obsidian](https:\u002F\u002Fobsidian.md\u002F) (my go-to note-taking app) in mind, but the default output is standard Markdown.\n\nI wasn't a fan of the clunky, and sometimes paid, browser extensions.\n\nIt was also a great opportunity to learn more about Python and type annotations. I had mypy, pyright, and ruff all on strict mode, 'twas fun.\n\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cstrong>Direct Export (Experimental)\u003C\u002Fstrong>\u003C\u002Fsummary>\n\nThere's also a JavaScript export flow under `js\u002F` for grabbing additional conversation data directly from the browser outside the official ZIP export. This is experimental.\n\n\u003C\u002Fdetails>\n","\u003Cp align=\"center\">\n  \u003Ch1 align=\"center\">Convoviz\u003C\u002Fh1>\n  \u003Cp align=\"center\">\u003Ccode>uv tool install \"convoviz[viz]\"\u003C\u002Fcode>\u003C\u002Fp>\n  \u003Cp align=\"center\">\n    将您的 ChatGPT 历史记录转换为整洁、易读的 Markdown（文本文件）。\n  \u003C\u002Fp>\n  \u003Cp align=\"center\">\u003Cstrong>\n    非常适合归档、本地搜索，或与 Obsidian 等笔记应用一起使用。\n  \u003C\u002Fstrong>\u003C\u002Fp>\n  \u003Cp align=\"center\">\n    使用词云和使用情况图表可视化您的数据。\n  \u003C\u002Fp>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fpypi.org\u002Fproject\u002Fconvoviz\u002F\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fconvoviz?style=for-the-badge&logo=python&logoColor=white\" alt=\"PyPI 版本\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fblob\u002Fmain\u002FLICENSE\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fl\u002Fconvoviz?style=for-the-badge\" alt=\"许可证\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fpepy.tech\u002Fprojects\u002Fconvoviz\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fpepy\u002Fdt\u002Fconvoviz?style=for-the-badge&color=blue\" alt=\"下载量\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Factions\u002Fworkflows\u002Fci.yml\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Factions\u002Fworkflow\u002Fstatus\u002Fmohamed-chs\u002Fconvoviz\u002Fci.yml?style=for-the-badge&logo=github&label=CI\" alt=\"CI 状态\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n---\n\n## 功能\n\n|  |  |\n|---------|-------------|\n| **Markdown 导出** | 干净、格式良好的 Markdown，可选 YAML 头部 |\n| **内联图片** | 媒体附件直接渲染在您的 Markdown 文件中 |\n| **引用** | 网络搜索结果和来源链接被准确保留 |\n| **词云** | 您最常用词汇和短语的可视化分解 |\n| **使用情况图表** | 展示您对话模式的条形图和图表 |\n| **Canvas 支持** | OpenAI 的“Canvas”文档被提取为独立文件（`.py`、`.html` 等） |\n| **自定义指令** | 用户\u002F模型系统消息导出到 `custom_instructions.json` |\n\n> 请参阅 [`demo\u002F`](https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Ftree\u002Fmain\u002Fdemo) 文件夹中的词云示例！\n\n---\n\n## 使用方法\n\n### 第一步：导出您的 ChatGPT 数据\n\n1. 登录 [chatgpt.com](https:\u002F\u002Fchatgpt.com)\n2. 导航至：**个人资料名称**（左下角）→ **设置** → **数据控制** → **导出**\n3. 点击 **确认导出**\n4. 等待 OpenAI 发来的邮件，然后下载 `.zip` 文件\n\n\u003Cdetails>\n\u003Csummary>\u003Cstrong>替代方案：使用直接导出脚本\u003C\u002Fstrong>\u003C\u002Fsummary>\n\n如果您想快速获取最近的对话内容，或绕过官方导出的等待时间，可以使用直接导出脚本。\n\n1. 按照 [`js\u002FHOW_TO_USE.md`](https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fblob\u002Fmain\u002Fjs\u002FHOW_TO_USE.md) 中的说明，将您的近期数据下载为 `.zip` 文件。\n2. **正常运行 Convoviz。**\n3. **智能发现：** 如果您的 `Downloads` 文件夹中有一个 `convoviz_export.zip`，Convoviz 会提示您将其合并。\n4. **叠加且智能：** 您可以将多次运行的结果合并到同一个文件夹中。Convoviz 会基于身份覆盖现有聊天记录，而不会产生重复！\n\u003C\u002Fdetails>\n\n---\n\n### 第二步：安装 Convoviz\n\n### 快速安装\n\n运行以下命令之一，即可自动安装您所需的一切。\n\n#### 🍎 macOS \u002F 🐧 Linux\n1. 打开 `终端`。\n   - **macOS**：按 `Cmd + Space`，输入“Terminal”，然后按回车。\n   - **Linux**：按 `Ctrl + Alt + T`，或在应用菜单中搜索“Terminal”。\n2. 复制并粘贴以下命令：\n\n```bash\ncurl -fsSL https:\u002F\u002Fraw.githubusercontent.com\u002Fmohamed-chs\u002Fconvoviz\u002Fmain\u002Finstall.sh | bash\n```\n\n#### 🪟 Windows\n1. 打开 `PowerShell`。\n   - 按下 `Windows` 键，输入“PowerShell”，然后按回车。\n2. 复制并粘贴以下命令：\n\n```powershell\nirm https:\u002F\u002Fraw.githubusercontent.com\u002Fmohamed-chs\u002Fconvoviz\u002Fmain\u002Finstall.ps1 | iex\n```\n\n\u003Cdetails>\n\u003Csummary>\u003Cstrong>替代方案：使用 pip 安装\u003C\u002Fstrong>\u003C\u002Fsummary>\n\n如果您更喜欢直接使用 `pip`：\n\n```bash\n# 创建虚拟环境（保持系统 Python 清洁）\npython3 -m venv .venv\n\n# 激活虚拟环境\nsource .venv\u002Fbin\u002Factivate  # 在 Windows 上：.venv\\Scripts\\activate\n\n# 安装带有可视化扩展的 convoviz\npip install \"convoviz[viz]\"\n```\n\n\u003C\u002Fdetails>\n\n---\n\n### 第三步：运行 Convoviz\n\n最简单的方式是在终端中运行以下命令，并按照交互式提示操作：\n\n```bash\nconvoviz\n```\n\n或者，直接提供参数以跳过提示：\n\n```bash\nconvoviz --input path\u002Fto\u002Fyour\u002Fexport.zip --output path\u002Fto\u002Foutput\u002Ffolder\n```\n\n\u003Cdetails>\n\u003Csummary>\u003Cstrong>命令行选项\u003C\u002Fstrong>\u003C\u002Fsummary>\n\n#### 选择性输出\n\n默认情况下，所有输出（Markdown、图表、词云）都会生成。使用 `--outputs` 可以选择特定的输出：\n\n```bash\nconvoviz --input export.zip --outputs markdown --outputs graphs\n```\n\n可用选项：`markdown`、`graphs`、`wordclouds`\n\n> 在交互模式下，系统会提示您选择要生成的输出。\n\n#### 其他实用标志\n\n| 标志 | 描述 |\n|------|-------------|\n| `--zip` \u002F `-z` | `--input` 的别名（方便使用） |\n| `--timestamp` \u002F `-t` | 在文件名前添加对话时间戳（例如：`2024-03-21_15-30-05 - Title.md`） |\n| `--no-interactive` | 强制非交互模式 |\n| `--flat` | 将所有 Markdown 文件放入一个文件夹中（而不是按日期组织） |\n| `--config PATH` | 使用特定的 TOML 配置文件（否则将使用用户配置文件，如果存在） |\n| `--verbose` \u002F `-v` | 启用详细日志记录（使用 `-vv` 获取调试日志） |\n| `--log-file PATH` | 指定自定义日志文件位置 |\n| `--quiet` \u002F `-q` | 减少控制台输出（仍会记录到文件） |\n\n有关完整选项列表：\n\n```bash\nconvoviz --help\n```\n\n\u003C\u002Fdetails>\n\n---\n\n\u003Cdetails>\n\u003Csummary>\u003Cstrong>⚙️ 配置\u003C\u002Fstrong>\u003C\u002Fsummary>\n\nConvoviz 支持 TOML 配置文件。默认配置随软件包附带，您可以将其复制到您的用户配置目录中。\n\n生成用户配置文件：\n\n```bash\nconvoviz config init\n```\n\n默认用户配置路径：\n1. Linux：`~\u002F.config\u002Fconvoviz\u002Fconfig.toml`\n2. macOS：`~\u002FLibrary\u002FApplication Support\u002Fconvoviz\u002Fconfig.toml`\n3. Windows：`%APPDATA%\\convoviz\\config.toml`\n\n使用自定义配置路径：\n\n```bash\nconvoviz --config path\u002Fto\u002Fconfig.toml\n```\n\n配置中的 Markdown 风格选项：\n1. `standard`（默认）\n2. `obsidian`（用于推理内容的可折叠注释框）\n\nMarkdown 渲染顺序（配置）：\n1. `active`（默认，当前分支）\n2. `full`（所有 DAG 分支）\n\n可以通过 `conversation.markdown.show_timestamp` 开关来控制是否显示 Markdown 时间戳。\n\n词云可以仅限于您的消息，只需将 `wordcloud.include_assistant_text = false` 即可。默认情况下，词云布局是确定性的；若要禁用此功能，可将 `wordcloud.random_state = \"\"`。\n\nYAML 前言标题会被清理；当标题发生变化时，原始标题会保留在 `aliases` 中。\n\n\u003C\u002Fdetails>\n\n---\n\n### 第 4 步：检查输出\n\n运行脚本后，前往你的输出文件夹（如果你没有更改，默认是 `Documents\u002FChatGPT-Data`），你将看到：\n- 整齐格式化的 Markdown 文件\n- 可视化图表和图形\n- 提取的 Canvas 文档（如果有）\n- 用户的“自定义指令”文件 (`custom_instructions.json`)\n\n如果你使用体验良好，请为这个项目点个 ⭐ **星** 吧！这会让我更有动力，也能帮助更多人发现它！\n\n## 导出为 PDF\n\n你可以尝试使用 [`convpdf`](https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvpdf)，将 Markdown 文件转换为 PDF。\n\n示例：\n\n```bash\n# 使用 npm 安装\nnpm -g install convpdf\n\n# 进入输出目录（默认是 ~\u002FDocuments\u002FChatGPT-Data\u002F）\ncd ~\u002FDocuments\u002FChatGPT-Data\n\n# 运行命令（添加 `-j 20` 可加快转换速度）\nconvpdf Markdown -o PDF\n```\n\n![词云示例](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmohamed-chs_convoviz_readme_2df85aed61de.png)\n\n---\n\n## 💌 分享你的反馈！\n\n希望这个工具对你有所帮助。我一直在努力改进它，但也需要你的支持。\n\n无论你是技术高手，还是刚接触这类工具的新手，我都非常期待听到你使用这个工具的感受。发现了什么小问题？有哪些建议？或者只是想给我一些鼓励？我都很乐意倾听！\n\n👉 **[提交一个问题](https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fissues)**\n\n---\n\n## 贡献\n\n有兴趣参与贡献吗？请查看 **[贡献指南](https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fblob\u002Fmain\u002FCONTRIBUTING.md)**，了解开发环境搭建、代码风格以及如何提交 Pull Request 的方法。\n\n---\n\n## 注意事项\n\n\u003Cdetails>\n\u003Csummary>\u003Cstrong>离线使用\u003C\u002Fstrong>\u003C\u002Fsummary>\n\n词云功能会用到 NLTK 的停用词库。如果你处于离线状态且尚未安装 NLTK 数据包，可以提前下载：\n\n```bash\npython -c \"import nltk; nltk.download('stopwords')\"\n```\n\n**注意：** 安装脚本已经自动处理了这个问题，因此在运行完脚本后即可直接进入离线模式。\n\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cstrong>关于该项目\u003C\u002Fstrong>\u003C\u002Fsummary>\n\n这只是我为了更美观地查看聊天记录而编写的一个小工具，以 Markdown 格式呈现。最初设计时主要考虑与 [Obsidian](https:\u002F\u002Fobsidian.md\u002F)（我常用的笔记应用）配合使用，但默认输出的是标准 Markdown 格式。\n\n我不太喜欢那些笨重、有时还需要付费的浏览器扩展程序。同时，这也是一个很好的机会，让我进一步学习 Python 和类型注解。我让 mypy、pyright 和 ruff 都处于严格模式下运行，过程相当有趣。\n\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cstrong>直接导出功能（实验性）\u003C\u002Fstrong>\u003C\u002Fsummary>\n\n在 `js\u002F` 目录下还有一个基于 JavaScript 的导出流程，可以从浏览器中直接提取额外的对话数据，无需依赖官方提供的 ZIP 文件导出功能。此功能目前仍处于实验阶段。\n\n\u003C\u002Fdetails>","# Convoviz 快速上手指南\n\nConvoviz 是一款将 ChatGPT 对话历史转换为整洁 Markdown 文件的工具，支持生成词云和使用图表，非常适合归档、本地搜索或配合 Obsidian 等笔记软件使用。\n\n## 环境准备\n\n*   **操作系统**：macOS, Linux, 或 Windows\n*   **Python 环境**：需安装 Python 3.8+（推荐通过官方安装包或系统包管理器安装）\n*   **前置依赖**：\n    *   若使用一键安装脚本，无需额外配置。\n    *   若手动安装，建议创建虚拟环境以保持系统清洁。\n    *   **离线注意**：词云功能依赖 NLTK 数据。若在无网络环境下运行，需提前执行 `python -c \"import nltk; nltk.download('stopwords')\"` 下载停用词数据（一键安装脚本已自动处理此步骤）。\n\n## 安装步骤\n\n### 方式一：一键安装（推荐）\n\n打开终端并运行以下命令，脚本将自动处理所有依赖：\n\n**macOS \u002F Linux:**\n```bash\ncurl -fsSL https:\u002F\u002Fraw.githubusercontent.com\u002Fmohamed-chs\u002Fconvoviz\u002Fmain\u002Finstall.sh | bash\n```\n\n**Windows (PowerShell):**\n```powershell\nirm https:\u002F\u002Fraw.githubusercontent.com\u002Fmohamed-chs\u002Fconvoviz\u002Fmain\u002Finstall.ps1 | iex\n```\n\n### 方式二：使用 pip 手动安装\n\n如果你偏好使用 `pip`：\n\n```bash\n# 创建虚拟环境\npython3 -m venv .venv\n\n# 激活虚拟环境\nsource .venv\u002Fbin\u002Factivate  # Windows: .venv\\Scripts\\activate\n\n# 安装包含可视化功能的版本\npip install \"convoviz[viz]\"\n```\n\n## 基本使用\n\n### 第一步：导出 ChatGPT 数据\n\n1.  访问 [chatgpt.com](https:\u002F\u002Fchatgpt.com) 并登录。\n2.  点击左下角 **Profile Name** → **Settings** → **Data controls** → **Export**。\n3.  点击 **Confirm export**。\n4.  等待 OpenAI 发送邮件，下载生成的 `.zip` 文件。\n\n*(可选：如需快速获取近期对话，可参考项目仓库中的 `js\u002FHOW_TO_USE.md` 使用直接导出脚本)*\n\n### 第二步：运行转换\n\n最简单的使用方式是直接在终端输入命令，跟随交互式提示操作：\n\n```bash\nconvoviz\n```\n\n程序会自动检测下载文件夹中的导出文件，或引导你指定输入路径。\n\n### 高级用法：命令行参数\n\n你也可以直接指定输入和输出路径以跳过交互提示：\n\n```bash\nconvoviz --input path\u002Fto\u002Fyour\u002Fexport.zip --output path\u002Fto\u002Foutput\u002Ffolder\n```\n\n**常用参数示例：**\n\n*   **仅生成 Markdown 和图表**（不生成词云）：\n    ```bash\n    convoviz --input export.zip --outputs markdown --outputs graphs\n    ```\n*   **在文件名前添加时间戳**：\n    ```bash\n    convoviz --input export.zip --timestamp\n    ```\n*   **查看所有可用选项**：\n    ```bash\n    convoviz --help\n    ```\n\n### 第三步：查看结果\n\n运行完成后，前往输出目录（默认为 `Documents\u002FChatGPT-Data`），你将看到：\n*   格式整齐的 Markdown 对话文件（含内联图片和引用）。\n*   词云图片和使用统计图表。\n*   提取的 Canvas 文档（如 `.py`, `.html` 文件）。\n*   自定义指令文件 (`custom_instructions.json`)。\n\n> **提示**：如需将生成的 Markdown 转为 PDF，可配合使用 [`convpdf`](https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvpdf) 工具。","资深研究员小林需要复盘过去半年与 ChatGPT 的数百次对话，以整理技术笔记并分析自己的提问习惯，从而优化后续的研究方向。\n\n### 没有 convoviz 时\n- **数据难以利用**：导出的原始 JSON 或 HTML 文件结构混乱，无法直接导入 Obsidian 等笔记软件，手动复制粘贴数百条对话效率极低。\n- **多媒体内容丢失**：对话中生成的代码截图、图表在导出后往往变成独立的乱码文件或链接失效，导致上下文断裂，复习时无法还原现场。\n- **缺乏宏观洞察**：面对海量文本，完全凭感觉回忆高频话题，无法量化分析自己在哪些技术领域投入了最多精力，难以发现思维盲区。\n- **特殊格式难提取**：OpenAI Canvas 生成的独立代码文件（.py, .html）混杂在数据包中，手动筛选和重命名极易出错且耗时。\n\n### 使用 convoviz 后\n- **一键归档笔记**：运行命令即可将压缩包批量转换为带 YAML 头部的整洁 Markdown 文件，完美适配本地知识库，支持全文检索。\n- **媒体完整内嵌**：自动将图片渲染为 Markdown 内联格式，保留所有引用来源和搜索引文，确保每条笔记都是自包含的完整知识单元。\n- **可视化行为分析**：自动生成词云和使用频率图表，直观展示“机器学习”、\"Python\"等高频词汇，帮助小林清晰看到自己的研究重心分布。\n- **智能分离产物**：自动识别并提取 Canvas 文档为独立的可执行文件，保持项目结构清晰，让代码资产即刻可用。\n\nconvoviz 将沉睡的聊天记录转化为可检索、可可视化的个人知识资产，让每一次对话都成为成长的坚实阶梯。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmohamed-chs_convoviz_2df85aed.png","mohamed-chs","Mohamed Cheikh Sidiya","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fmohamed-chs_ccb79fdb.jpg","Engineering student\r\n🇲🇷  🇫🇷  🇦🇪",null,"mohamedcheikhsidiya77@gmail.com","https:\u002F\u002Fgithub.com\u002Fmohamed-chs",[83,87,91,95],{"name":84,"color":85,"percentage":86},"Python","#3572A5",96.5,{"name":88,"color":89,"percentage":90},"JavaScript","#f1e05a",2.4,{"name":92,"color":93,"percentage":94},"Shell","#89e051",0.5,{"name":96,"color":97,"percentage":94},"PowerShell","#012456",847,52,"2026-04-02T21:02:53","MIT",1,"Linux, macOS, Windows","未说明",{"notes":106,"python":107,"dependencies":108},"推荐使用 'uv' 工具一键安装，或通过 pip 安装 'convoviz[viz]' 以包含可视化功能。离线环境下需预先下载 NLTK 的 stopwords 数据。主要功能是将 ChatGPT 导出的 ZIP 文件转换为 Markdown 及生成词云和图表，不涉及大型 AI 模型推理，因此无特殊 GPU 或大内存需求。","未说明 (需支持 uv 或 pip 安装)",[109],"nltk",[15,25],[112,113,114,115,116,117,118,119,120,121],"chatgpt","conversations","json","markdown","openai","python","zip","export","history","obsidian","2026-03-27T02:49:30.150509","2026-04-10T22:34:39.444170",[125,130,135,140,145,149],{"id":126,"question_zh":127,"answer_zh":128,"source_url":129},28365,"运行程序时出现 'Error loading data' 或 Pydantic 验证错误（提示输入应为字符串但收到了字典），如何解决？","此问题通常是因为较新版本的 ChatGPT 导出数据中包含了图片（如 DALL-E 生成）等多模态内容，导致数据结构与旧版解析器不兼容。临时解决方案是降级到旧版本以绕过错误：运行命令 `pip install --force-reinstall -v \"convoviz\u003C=0.1.2\"`。此外，也有用户建议暂时使用 Chrome 插件 'AI Exporter' 来导出兼容性更好的数据。","https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fissues\u002F37",{"id":131,"question_zh":132,"answer_zh":133,"source_url":134},28366,"遇到 'ValidationError: Input should be a valid string' 错误，具体原因是是什么？","该错误是由于 ChatGPT 导出的数据中引入了 DALL-E 图像生成的元数据，导致消息内容部分（message.content.parts）变成了字典而非预期的字符串。目前官方尚未完全修复此类型类，临时变通方法是修改代码以跳过包含新字段的对话，或者等待维护者集成新的类型处理类。","https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fissues\u002F29",{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},28367,"运行 python -m convoviz 时出现 'File \"\u003Cfrozen runpy>\", line 198, in _run_module_as_main' 追踪错误怎么办？","这通常是新版本存在的兼容性问题。多位用户确认通过降级软件版本可以解决此问题。请在终端执行以下命令强制重装旧版本：`pip install --force-reinstall -v \"convoviz\u003C=0.1.2\"`。","https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fissues\u002F27",{"id":141,"question_zh":142,"answer_zh":143,"source_url":144},28368,"为什么导出的 Markdown 文件名和消息内容中缺少时间戳？","这是一个已知的需求，目前版本默认不包含时间戳，导致难以按时间排序或了解对话间隔。社区已提出功能请求，建议增加 `--timestamps` 命令行参数，允许用户自定义时间戳格式（如 ISO-8601 或 strftime 格式）并应用于文件名和消息内容中。请关注后续版本更新以获取此功能。","https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fissues\u002F45",{"id":146,"question_zh":147,"answer_zh":148,"source_url":134},28369,"如何处理包含非字符串内容（如图片资产指针）的 ChatGPT 导出文件？","当导出文件包含图片等非字符串内容时，当前的 Pydantic 模型会报错。根本原因在于代码中 `parts: list[str]` 的类型定义与实际数据不符。在没有官方修复前，建议避免处理包含此类多模态内容的对话，或使用其他工具（如 AI Exporter 插件）重新导出纯文本格式的聊天记录。",{"id":150,"question_zh":151,"answer_zh":152,"source_url":129},28370,"是否有替代方案可以避开当前版本的加载错误？","是的，如果当前版本的 `convoviz` 无法处理您的导出文件，许多用户反馈使用 Chrome 浏览器插件 'AI Exporter' 是一个有效的替代方案，它可以生成兼容性更好的聊天记录文件。另外，也可以尝试手动降级 `convoviz` 到 0.1.2 版本：`pip install --force-reinstall -v \"convoviz\u003C=0.1.2\"`。",[154,159,164,169,174,179,184,189,194,199,204,209,214,219,224,229,234,239,244,249],{"id":155,"version":156,"summary_zh":157,"released_at":158},189282,"v0.7.2","**完整更新日志**: https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fcompare\u002Fv0.7.1...v0.7.2","2026-03-29T21:39:28",{"id":160,"version":161,"summary_zh":162,"released_at":163},189283,"v0.7.1","## 变更内容\n* ci: 由 @dependabot[bot] 在 https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fpull\u002F50 中将 actions\u002Fdownload-artifact 从 7 升级到 8\n* ci: 由 @dependabot[bot] 在 https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fpull\u002F51 中将 actions\u002Fupload-artifact 从 6 升级到 7\n* 由 @dependabot[bot] 在 https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fpull\u002F52 中将 nltk 从 3.9.2 升级到 3.9.3\n\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fcompare\u002Fv0.7.0...v0.7.1","2026-03-05T18:57:11",{"id":165,"version":166,"summary_zh":167,"released_at":168},189284,"v0.7.0","## 变更内容\n* 功能：支持对 ChatGPT 导出的对话文件进行拆分，并由 @gchartier 在 https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fpull\u002F49 中处理空的对话标题。\n\n## 新贡献者\n* @gchartier 在 https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fpull\u002F49 中完成了首次贡献。\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fcompare\u002Fv0.6.2...v0.7.0","2026-02-23T19:42:44",{"id":170,"version":171,"summary_zh":172,"released_at":173},189285,"v0.6.2","**完整更新日志**: https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fcompare\u002Fv0.6.1...v0.6.2","2026-02-14T19:43:02",{"id":175,"version":176,"summary_zh":177,"released_at":178},189286,"v0.6.1","## 变更内容\n* 由 @dependabot[bot] 在 https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fpull\u002F46 中将 pillow 从 12.1.0 升级至 12.1.1\n\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fcompare\u002Fv0.6.0...v0.6.1","2026-02-12T01:31:09",{"id":180,"version":181,"summary_zh":182,"released_at":183},189287,"v0.6.0","**完整更新日志**: https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fcompare\u002Fv0.5.5...v0.6.0","2026-02-07T16:05:36",{"id":185,"version":186,"summary_zh":187,"released_at":188},189288,"v0.5.5","**完整更新日志**：https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fcompare\u002Fv0.5.4...v0.5.5","2026-02-06T17:42:34",{"id":190,"version":191,"summary_zh":192,"released_at":193},189289,"v0.5.4","**完整更新日志**: https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fcompare\u002Fv0.5.3...v0.5.4","2026-02-06T16:59:16",{"id":195,"version":196,"summary_zh":197,"released_at":198},189290,"v0.5.3","**完整更新日志**: https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fcompare\u002Fv0.5.2...v0.5.3","2026-02-06T07:28:53",{"id":200,"version":201,"summary_zh":202,"released_at":203},189291,"v0.5.2","**完整更新日志**: https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fcompare\u002Fv0.5.1...v0.5.2","2026-02-06T03:05:20",{"id":205,"version":206,"summary_zh":207,"released_at":208},189292,"v0.5.1","**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fcompare\u002Fv0.5.0...v0.5.1","2026-02-05T18:17:46",{"id":210,"version":211,"summary_zh":212,"released_at":213},189293,"v0.5.0","**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fcompare\u002Fv0.4.8...v0.5.0","2026-02-04T09:56:32",{"id":215,"version":216,"summary_zh":217,"released_at":218},189294,"v0.4.8","**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fcompare\u002Fv0.4.7...v0.4.8","2026-02-03T11:45:17",{"id":220,"version":221,"summary_zh":222,"released_at":223},189295,"v0.4.7","**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fcompare\u002Fv0.4.6...v0.4.7","2026-02-03T07:19:22",{"id":225,"version":226,"summary_zh":227,"released_at":228},189296,"v0.4.6","**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fcompare\u002Fv0.4.5...v0.4.6","2026-02-01T16:54:44",{"id":230,"version":231,"summary_zh":232,"released_at":233},189297,"v0.4.5","**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fcompare\u002Fv0.4.4...v0.4.5","2026-02-01T12:49:11",{"id":235,"version":236,"summary_zh":237,"released_at":238},189298,"v0.4.4","**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fcompare\u002Fv0.4.3...v0.4.4","2026-01-31T09:09:37",{"id":240,"version":241,"summary_zh":242,"released_at":243},189299,"v0.4.3","**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fcompare\u002Fv0.4.2...v0.4.3","2026-01-30T22:33:02",{"id":245,"version":246,"summary_zh":247,"released_at":248},189300,"v0.4.2","**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fcompare\u002Fv0.4.1...v0.4.2","2026-01-30T21:44:34",{"id":250,"version":251,"summary_zh":252,"released_at":253},189301,"v0.4.1","**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fmohamed-chs\u002Fconvoviz\u002Fcompare\u002Fv0.4.0...v0.4.1","2026-01-30T17:38:52"]